人工智能（一）：从零开始学人工智能—概述

前言：本系列教程专注于人工智能领域专讲内容，并针对对人工智能领域感兴趣的朋友们表示欢迎。值得注意的是，在课程完结后会陆续推出完整的人工智能系列视频教程内容，并且对于有较强基础的学习者表示欢迎随时留言交流学习！如有任何疑问或问题，请随时提出讨论。

无处不在的AI

当前，AI在社会上无处不在，正在颠覆各行各业。

1. ALL in Al

如图所示，机器学习/深度学习技术广泛存在，在自动驾驶、人脸识别以及语音识别等领域均有应用。

图1.1 机器学习与深度学习的应用范围已经非常广泛，在很多领域都取得了显著的突破。特别是在计算机视觉、人工智能游戏以及诸多新兴技术领域中

图1.2 计算机视觉正在超越人类的判断

1.1 对于我们

同花顺的产品中也应用了大量的AI技术，如我们的问财系列、小花、小象、… …

图1.3 预测分析与业务挑战

图1.4 问财智能投顾

这些应用背后的本质是什么？

2. 机器学习本质是什么？

上文反复提及了AI、机器学习以及深度学习这些术语；它们之间存在怎样的关联？让我们先认识几个相关的概念。

2.1 关于AI、机器学习、深度学习

先用一张比较直观的图对比它们的范畴，以及微软工程师对它们的解释

图1.5展示的是AI、机器学习与深度学习之间的关系。啊？其实可以用网上的简洁说法来解决这个问题啦！即使你不太懂AI的原理也不必担心——直接把问题当作快速解决的方法来处理就行了。

言归正传，本着不以说清楚为目的的教程都是耍流氓的精神：

人工智能：计算机领域类的一套概念。

机器学习：一种实现人工智能的方法。

深度学习：一种实现机器学习的技术。>

所以，机器学习是什么？

2.2 机器学习本质

华丽的外衣

遵循我们的学习习惯，开篇定义：

机器学习是基于数据的技术科学，在此框架下使计算机能够从现有数据中提取知识并推断出未来的各种行为模式、结果指标以及发展趋势。这种技术领域被归类为弱人工智能范畴：即其仅能应对已熟悉的场景而无法处理未曾遇到的情况。

就像定义里描述的，分三步实现：历史数据——学习分布模式——预测未来

看起来是简单的三个步骤，犹如本山大叔的装象三步走：

具体能不能装进去，谁si谁知道~

以上，只是机器学习华丽的外衣，本质上呢，一言难尽，比较难搞哦~

腹黑的本质

机器学习 ≈≈≈ 寻找一个函数/数学

如图所示，在训练各种语音识别、图像识别以及对话系统的模型时，其训练过程旨在实现与该任务相关的最优化目标。

这表明我们需要找到一个关于输入输出的映射关系；也就是一个最优化函数；那么如何制定这样的一个最优函数呢？

直观地说，在确定最优化映射关系（即函数）的过程中需要生成一系列函数；这就是模型训练的过程；接着从这些候选函数中选择出最优的一个，在如图所示的情况下（例如），其中f₁比f₂更好；这是因为它们能够准确识别图片。

机器学习的核心就是我们"最熟悉的数学函数"这一概念嘛！这样一来就简单多了啊！那...此处就不展开了吧！我们就从基础的初等数学函数入手吧！

更多的AI课程会在后续的内容中持续更新。下面给大家提供一个试学体验，请问如果有疑问的话，请随时留言。

录制视频

制作视频

评论回复：“人工智能”，分享大家全套人工智能视频教程